MétaCan
Menu
Retour à la cohorte
Enregistrement W4294891777 · doi:10.1557/s43581-022-00042-y

Greener reactants, renewable energies and environmental impact mitigation strategies in pyrometallurgical processes: A review

2022· review· en· W4294891777 sur OpenAlexafffund
Jean‐Philippe Harvey, William E. Courchesne, Minh Duc Vo, K Oishi, Christian Robelin, Ugo Mahue, Philippe Leclerc, Alexandre Al-Haiek

Notice bibliographique

RevueMRS Energy & Sustainability · 2022
Typereview
Langueen
DomaineChemical Engineering
ThématiqueMolten salt chemistry and electrochemical processes
Établissements canadiensSafe Engineering Services & Technologies (Canada)Polytechnique Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaPolytechnique Montréal
Mots-clésRenewable energyPyrometallurgyEnvironmental impact assessmentEnvironmental scienceNatural resource economicsMetallurgyMaterials scienceEngineeringEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Metals and alloys are among the most technologically important materials for our industrialized societies. They are the most common structural materials used in cars, airplanes and buildings, and constitute the technological core of most electronic devices. They allow the transportation of energy over great distances and are exploited in critical parts of renewable energy technologies. Even though primary metal production industries are mature and operate optimized pyrometallurgical processes, they extensively rely on cheap and abundant carbonaceous reactants (fossil fuels, coke), require high power heating units (which are also typically powered by fossil fuels) to calcine, roast, smelt and refine, and they generate many output streams with high residual energy content. Many unit operations also generate hazardous gaseous species on top of large CO 2 emissions which require gas-scrubbing and capture strategies for the future. Therefore, there are still many opportunities to lower the environmental footprint of key pyrometallurgical operations. This paper explores the possibility to use greener reactants such as bio-fuels, bio-char, hydrogen and ammonia in different pyrometallurgical units. It also identifies all recycled streams that are available (such as steel and aluminum scraps, electronic waste and Li-ion batteries) as well as the technological challenges associated with their integration in primary metal processes. A complete discussion about the alternatives to carbon-based reduction is constructed around the use of hydrogen, metallo-reduction as well as inert anode electrometallurgy. The review work is completed with an overview of the different approaches to use renewable energies and valorize residual heat in pyrometallurgical units. Finally, strategies to mitigate environmental impacts of pyrometallurgical operations such as CO 2 capture utilization and storage as well as gas scrubbing technologies are detailed. This original review paper brings together for the first time all potential strategies and efforts that could be deployed in the future to decrease the environmental footprint of the pyrometallurgical industry. It is primarily intended to favour collaborative work and establish synergies between academia, the pyrometallurgical industry, decision-makers and equipment providers. Graphical abstract Highlights A more sustainable production of metals using greener reactants, green electricity or carbon capture is possible and sometimes already underway. More investments and pressure are required to hasten change. Discussion Is there enough pressure on the aluminum and steel industries to meet the set climate targets? The greenhouse gas emissions of existing facilities can often be partly mitigated by retrofitting them with green technologies, should we close plants prematurely to build new plants using greener technologies? Since green or renewable resources presently have limited availability, in which sector should we use them to maximize their benefits?

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,988
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,011
Tête enseignante GPT0,277
Écart entre enseignants0,266 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations175
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMRS Energy & SustainabilityMême sujetMolten salt chemistry and electrochemical processesTravaux en français237 207